論文の概要: Coronavirus statistics causes emotional bias: a social media text mining
perspective
- arxiv url: http://arxiv.org/abs/2211.08644v1
- Date: Wed, 16 Nov 2022 03:36:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 12:28:37.322311
- Title: Coronavirus statistics causes emotional bias: a social media text mining
perspective
- Title（参考訳）: コロナウイルスの統計は感情バイアスを引き起こす-ソーシャルメディアのテキストマイニングの観点から
- Authors: Linjiang Guo, Zijian Feng, Yuxue Chi, Mingzhu Wang, Yijun Liu
- Abstract要約: 本稿では,パンデミックに関連するテキストを場所ラベル付きテキストデータから分類する深層学習モデルを提案する。
次に,マルチタスク学習に基づく感情分析を行う。
最後に、感情分析の出力を伴う固定効果パネル回帰を実行する。
- 参考スコア（独自算出の注目度）: 4.042350304426975
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While COVID-19 has impacted humans for a long time, people search the web for
pandemic-related information, causing anxiety. From a theoretic perspective,
previous studies have confirmed that the number of COVID-19 cases can cause
negative emotions, but how statistics of different dimensions, such as the
number of imported cases, the number of local cases, and the number of
government-designated lockdown zones, stimulate people's emotions requires
detailed understanding. In order to obtain the views of people on COVID-19,
this paper first proposes a deep learning model which classifies texts related
to the pandemic from text data with place labels. Next, it conducts a sentiment
analysis based on multi-task learning. Finally, it carries out a fixed-effect
panel regression with outputs of the sentiment analysis. The performance of the
algorithm shows a promising result. The empirical study demonstrates while the
number of local cases is positively associated with risk perception, the number
of imported cases is negatively associated with confidence levels, which
explains why citizens tend to ascribe the protracted pandemic to foreign
factors. Besides, this study finds that previous pandemic hits cities recover
slowly from the suffering, while local governments' spending on healthcare can
improve the situation. Our study illustrates the reasons for risk perception
and confidence based on different sources of statistical information due to
cognitive bias. It complements the knowledge related to epidemic information.
It also contributes to a framework that combines sentiment analysis using
advanced deep learning technology with the empirical regression method.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)は長い間、人間に影響を与えてきたが、人々はwebでパンデミック関連の情報を検索し、不安を引き起こしている。
従来の研究では、新型コロナウイルス感染者の数が否定的な感情を引き起こすことが確認されているが、輸入されたケースの数、地域ケースの数、政府指定のロックダウンゾーンの数など、さまざまな次元の統計が、人々の感情を刺激するためには、詳細な理解が必要である。
本稿は、新型コロナウイルス(covid-19)に関する人々の視点を得るために、まず、パンデミックに関連するテキストを場所ラベル付きテキストデータから分類するディープラーニングモデルを提案する。
次に,マルチタスク学習に基づく感情分析を行う。
最後に、感情分析の出力を伴う固定効果パネル回帰を実行する。
アルゴリズムの性能は有望な結果を示している。
実証研究は、地域ケースの数がリスク認知と肯定的に関連しているのに対し、輸入ケースの数は信頼度と負の関連があることを示し、なぜ国民が引き起こされたパンデミックを外国要因に割り当てる傾向があるのかを説明している。
さらに, 市町村の医療費が改善する一方, 市町村の医療費の回復が緩やかに進んでいることも確認した。
本研究は,認知バイアスによる統計情報の異なる情報源に基づいて,リスク認知と信頼性の理由を示す。
流行に関する情報に関する知識を補完する。
また、高度なディープラーニング技術を用いた感情分析と経験的回帰手法を組み合わせたフレームワークにも貢献する。
関連論文リスト
- A longitudinal sentiment analysis of Sinophobia during COVID-19 using large language models [3.3741245091336083]
新型コロナウイルス(COVID-19)のパンデミックにより、キセノフォビア、特にシナフォビアが悪化し、中国系個人に対する差別が広まりつつある。
新型コロナウイルスのパンデミック時にX(Twitter)で表現されたSinophobic sentimentsの縦断的感情分析にLLMを用いた感情分析フレームワークを提案する。
その結果, SinophobicTweets, Sinophobic sentiments, surges in COVID-19 case, it is a significant correlation between the spikes in Sinophobic tweetss, Sinophobic sentiments and surges in COVID-19 case, showed that the evolution of the spread of public sentiment and the prevalence of Sinophobic discourse。
論文 参考訳（メタデータ） (2024-08-29T23:39:11Z) - Large language models for sentiment analysis of newspaper articles during COVID-19: The Guardian [0.16777183511743468]
この研究は、新型コロナウイルスのさまざまな段階におけるガーディアン紙の感情分析を提供する。
パンデミックの初期段階では、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移した。
結果は、パンデミックの初期段階において、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移したことを示している。
論文 参考訳（メタデータ） (2024-05-20T07:10:52Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - #StayHome or #Marathon? Social Media Enhanced Pandemic Surveillance on
Spatial-temporal Dynamic Graphs [23.67939019353524]
新型コロナウイルスは、公衆衛生、社会、経済のほぼすべての領域に永続的な被害をもたらしている。
既存の研究は、伝統的な統計モデルと流行拡散理論の集約に依存している。
我々は,抽出した出来事と関係に基づいて,ソーシャルメディアがパンデミックの知識を広める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-08-08T15:46:05Z) - Sentiment and Emotion Classification of Epidemic Related Bilingual data
from Social Media [1.7109522466982476]
この研究は、パキスタンのデング流行に関連するtwitterやニュースサイトからのバイリンガル(ウルドゥー語と英語)データを活用している。
本研究は,パキスタンにおけるデング流行に関連するTwitterおよびNEWSウェブサイトのバイリンガル(ウルドゥー語と英語)データを利用した。
論文 参考訳（メタデータ） (2021-05-04T12:51:18Z) - Country Image in COVID-19 Pandemic: A Case Study of China [79.17323278601869]
国像は国際関係と経済発展に大きな影響を与えている。
新型コロナウイルス(COVID-19)の世界的な流行で、各国と国民は異なる反応を見せている。
本研究では,中国を具体的かつ典型的な事例として捉え,大規模Twitterデータセットのアスペクトベース感情分析を用いてそのイメージを考察する。
論文 参考訳（メタデータ） (2020-09-12T15:54:51Z) - Public risk perception and emotion on Twitter during the Covid-19
pandemic [0.0]
このテキストの自然言語解析により、公共リスク知覚の指標をほぼリアルタイムで監視することができる。
我々は、パンデミックの進行の疫学的指標と、2000万のユニークなCovid-19関連ツイートから構築されたパンデミックに対する大衆の認識の指標を比較した。
Twitterユーザーはますます死亡率を固定するが、感情的にも分析的にも減少している。
論文 参考訳（メタデータ） (2020-08-03T13:09:45Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。